VECM案例分析.doc

真诚为您提供优质参考资料，若有不当之处，请指正1 VECM模型的具体构建步骤VECM模型的具体运用主要包括以下几个步骤：1、序列的单位根检验与VAR模型不同，VECM模型是针对非平稳序列而言的因此在进行协整检验和运用VECM前需进行单位根检验2、协整检验协整检验关键是协整形式和滞后阶数的选择3、VECM模型的估计若存在协整关系，就可以建立相对应的VECM模型，进行估计了4、VECM模型的残差检验残差检验与VAR模型类似，包括残差的独立性检验5、VECM模型的应用VECM模型的应用与VAR模型类似，包括预测、脉冲响应与方差分解VECM模型的应用举例4.4.1 案例分析的背景中国人民银行长期以来坚持以CPI作为货币政策导向，并没有考虑资产价格这一目标但是随着中国经济市场化程度的不断深化，以股票市场为核心的资本市场的作用日益凸显货币政策是否对股票市场产生影响，以及股票市场是否在货币政策传导中充当了作用已成为学术界关注的焦点问题本例将对物价水平、货币政策、股票市场的相互关系进行分析4.4.2 实验数据本实验选取了CPI、广义货币供应量（m）、Shibor、上证A股指数（index）1996年12月至2010年11月月度数据进行分析。

4.4.3 VECM模型的构建1、数据处理由于CPI和上证A股指数都是相对数，为了减少基期的影响以及减少异方差性，对CPI和上证A股指数取对数观察广义货币供应量的图形，以及货币政策的特点，分析广义货币供应量（M）的可能季节性特征，这里采用X12进行分析在M的窗口点击proc/seasonal adjustment/census X12…，分析结果如下： Sum of Dgrs.of Mean Squares Freedom Square F-Value Between months 61.6039 11 5.60035 13.023** Residual 67.0872 156 0.43005 Total 128.6910 167 **Seasonality present at the 0.1 per cent level.从而M存在季节性。

因此对M进行季节性调整，季节性调整后的M图形如下：为了平滑M的变动趋势，对M同样也做对数处理2、单位根检验观察CPI、上证指数、Shibor的图形对四个变量选取相应的形式进行单位根检验见表4.1表4.1 各变量单位根检验的结果变量水平值检验结果一阶差分检验结果检验形式（C，T，L）ADF值P值检验形式（C，T，L）ADF值P值*Lcpi（C，0，12）-2.102780.2440（0，0，11）-5.23850.0000Lm（C，T，0）-0.090940.9947（C，0，0）-13.2780.0000shibor（C，T，1）-3.23630.0810（C，0，0）-14.3170.0000Lindex（C，0，0）-1.638920.4605（0，0，1）-7.06030.0000注：检验形式（C，T，L）中，C，T，L分别代表常数项、时间趋势和滞后阶数滞后阶数根据SC信息准则选择从表中可以看出，在5％的显著性水平上，所有变量均不平稳，但是一阶差分均平稳，因此所有变量均是一阶单整过程3、协整检验协整检验的关键是选取协整检验的形式和滞后阶数根据前面介绍的协整与VECM模型的关系，协整方程根据数据特征分成三类。

由于部分变量存在截距和趋势，因此选取第二类形式考虑到cpi、上证指数无明显的时间特征，因此选取第三种形式作为协整检验的形式对于滞后阶数的选取，可以根据VAR滞后阶数间接选取或者根据信息准则选取，同时考虑残差的性质当滞后阶数为1时，AIC和SC分别为-15.75672、-15.23181；当滞后阶数为2时，AIC和SC分别为-15.76829、-14.94004；当滞后阶数为3时，AIC和SC分别为-15.75608、-14.62198另外估计无约束的VAR模型时滞后阶数小于5时各判断准则的结果优于高阶的情形因此本例中滞后阶数选取为1在Group窗口中点击view/cointegration test…，选取形式三和滞后区间（1 1）具体协整检验的结果见下协整检验的结果：Sample (adjusted): 1997M02 2010M11Included observations: 166 after adjustmentsTrend assumption: Linear deterministic trendSeries: LCPI LINDEX LM SHIBOR Lags interval (in first differences): 1 to 1Unrestricted Cointegration Rank Test (Trace)HypothesizedTrace0.05No. of CE(s)EigenvalueStatisticCritical ValueProb.**None * 0.180100 66.68735 47.85613 0.0003At most 1 * 0.127990 33.72420 29.79707 0.0168At most 2 0.048051 10.98981 15.49471 0.2121At most 3 0.016817 2.815325 3.841466 0.0934 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-valuesUnrestricted Cointegration Rank Test (Maximum Eigenvalue)HypothesizedMax-Eigen0.05No. of CE(s)EigenvalueStatisticCritical ValueProb.**None * 0.180100 32.96315 27.58434 0.0092At most 1 * 0.127990 22.73439 21.13162 0.0295At most 2 0.048051 8.174482 14.26460 0.3612At most 3 0.016817 2.815325 3.841466 0.0934 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values迹检验和极大特征值检验结果均显示存在两个协整关系。

再分析具体的协整方程和协整序列标准化后的协整方程如下2 Cointegrating Equation(s): Log likelihood 1347.175Normalized cointegrating coefficients (standard error in parentheses)LCPILINDEXLMSHIBOR 1.000000 0.000000-0.033542-0.010324 (0.00927) (0.00237) 0.000000 1.000000-0.135405-0.297467 (0.31487) (0.08046)第二个协整方程显示lm与shibor之间是负相关关系，这与一般的经济理论相悖，本例只选取一个协整方程协整序列的图形和单位根检验结果如下Null Hypothesis: COINTEQ has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=13)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-3.551191 0.0373Test critical values:1% level-4.0146355% level-3.43728910% level-3.142837*MacKinnon (1996) one-sided p-values.协整方程所对应的序列是平稳的，即各变量之间存在协整关系。

该协整方程具体为：4、VECM模型的估计估计结果如下： Sample (adjusted): 1997M02 2010M11 Included observations: 166 after adjustments Standard errors in ( ) & t-statistics in [ ]Cointegrating Eq: CointEq1LCPI(-1) 1.000000LINDEX(-1)-0.105613 (0.04668)[-2.26233]LM(-1)-0.019242 (0.03646)[-0.52780]SHIBOR(-1) 0.021093 (0.00768)[ 2.74693]。